埃森哲重磅报告：AI对16个行业以及12个经济体的影响 | 全文

幸运的是，一个新的生产要素人工智能（AI）正在兴起，它可能成为盈利能力的下一个增长点。人工智能由多种技术组成，它们可以以不同的方式组合起来，教会机器感知、理解、行动和学习。

埃森哲的研究显示，到2035年，人工智能有潜力使公司的盈利能力平均提高38%，到2035年使12个经济体在16个行业的产出提高14万亿美元。但是，只有在企业怀着“以人为本”的心态，同时大胆且理智地将人工智能技术应用于其业务时，上述增长才有可能成为现实。我们的研究已经确定了8种跨行业策略，以帮助企业抓住人工智能的风口。目前企业利润率处于下降趋势，美国企业的利润率在2010年达到二战后最高水平至25%，然后又在2015年跌至-3%。

大多数行业都见证了这次利润率的回落，从制造业到公用事业再到金融业，单单利润下降本身就够人们担心的了。然而，更令人担忧的是由利润下降而导致的投资规模缩小、创新热情减弱、股东价值缩水。

我们为什么这么说？

因为收回投资不仅会侵蚀公司的增长潜力，还会扼杀公司在一个日益混乱的环境中进行自由创新的可能。雪上加霜的是，由于无法满足市场对公司的预期，低投资和低创新会进一步导致股东权益缩水，实际上，数据表明目前的环境不利于公司增长，而且商业投资已经接近停滞，例如，美国制造业领域的投资增长率已从2012年的14.8%下降到2016年的-5.2%，同期英国的数据从2012年的的5.9%下降到2012年的-6.6%。

研发支出是一个行业创新能力的关键指标，然而其增长也同样乏力，德国制造业的研发开销增长从2008年的6.6%下降到了2013年的-2.6%，意大利在2008与2013年的数据则分别为7.4%和-0.9%。

尽管前景看起来黯淡，但希望就在眼前，新的生产要素人工智能不仅能带来经济增长，还能提高企业盈利能力。

埃森哲将人工智能定义为一系列技术的集合，这些技术使得智能机器得以通过感知、理解、行动和学习来扩展人类的能力，从而大大提高人类的产出，海量的数据、计算机运算提高的速度、成本不断降低和技术难关的突破，让人工智能的商业前景越来越清晰。

在埃森哲看来，人工智能技术不单单只是生产力的催化剂，其本身便足以构成一种生产要素，通过以下三种方式能让企业扭亏为盈：借助自动化系统优化业务流程、增加人力效率和资本投入、推动创新。

但是，想要站在这一风口上，各行各业都必须将人工智能纳入其发展战略当中，去开发遵循人类社会伦理道德，并为全人类谋求福利的人工智能系统，人工智能能提高人工的规模和效率，它本身还能随时间推移不断进化，也正是因为这些特点，使得人工智能变成了资本和劳动力的混合体，这也对投资模式、创新模式以及人力资本的发展模式提出了新的要求。

美国企业利润在战后时期达到了国内生产总值（GDP）的最高水平，但现在却在下降。美国企业利润为什么下降？在这项研究的第一阶段，埃森哲研究（AccentureResearch）与前沿经济（FrontierEconomics）合作，模拟了人工智能对12个发达国家产生的影响，这些国家贡献了世界上超过50%的经济产出。

我们的研究显示，至2035年前，通过改变工作的性质、创造一种新的人机关系这两种方式，人工智能可以使经济增长速度翻番。在这一新的人际关系里，人们能够掌控全局，而技术发展也会不断地适应人类的需要和需求。预计人工智能技术会使劳动生产率提高40%，并使得人们的时间使用效率更高。

人工智能对国家的经济影响：我们的模型显示，在我们所分析的12个国家中，人工智能都有可能在2035年前使毛附加值的年增长率翻倍（毛附加值通常用于估算一个国家的GDP）。

人工智能影响下的劳动生产率：人工智能将显著提高发达经济体的劳动生产率，图为人工智能在不同国家劳动生产率提高的百分比差异。

对工业的价值第二阶段研究表明，人工智能拥有巨大的潜力，可以避免螺旋式上升的低利润，并为各行各业的商业发展带来一个新的增长时代。

人工智能的经济潜力

埃森哲（Accenture）与前沿经济学公司合作，从制造业到医疗保健领域，将人工智能的潜在经济影响对16个行业模式化，涵盖劣势领域。我们使用了总增加值（GVA）的增长作为衡量标准，即GDP的近似值。总增长值（GVA）是一个说明某一特定行业的商品和服务价值的指标，它可以被看作是不同行业对经济增长的贡献，我们比较分析各行业的两种不同情况（人工智能情况和普通情况），来评估人工智能未来的影响。

首先，在当前假设下，基准案例显示了各行业的经济预期增长，其次，随着人工智能融入经济发展，人工智能的稳定状态也表现出经济预期增长，由于新技术大范围影响仍需要一定时间，我们把2035年作为比较的年份，我们的研究表明，在人工智能情况下，信息通信业、制造业和金融服务业是年度总增长值（GVA）增长率最高的三个行业，到2035年分别达到4.8%、4.4%和4%。

在信息通信业，由于其严重依赖于科技，通过将人工智能能力与现有体系结合，至2035年可产生4.7万亿美元的总价值。例如，供应商可以开发新人工智能平台，为客户提供网络攻击保护服务。

在制造业，像物联网（IoT）这样的先驱者，为智能系统的无缝集成创造了有利条件，如今的物联网技术使诸如组装线这样的物理设备能够与数字系统连接并通信，此外，人工智能还可以通过更先进的形式来缩小目前的自动化和学习形式之间的差距。

我们的研究显示，人工智能在2035年将会增加3.8万亿美元的GVA，与正常情况相比增加了近45%。金融服务业可以利用科技，来帮助知识工作者从日常的重复任务中得到缓解，比如客户查询、抵押贷款审核和市场调查。总的来说，到2035年为止，该行业将受益于1.2万亿美元的额外总增加值（GVA）。即使是那些生产率增长速度慢得出奇的劳动密集型行业，总增加值增长率(GVA）也会大幅上升。

截至2035年，受教育程度将从0.9%上升至1.6%，社会公益服务程度从1.6%提高到2.8%，经济产出将大幅增加（总增长值在两种情况下分别增长1090亿美元和2160亿美元）。

2035年，在16个产业中，人工智能有可能将经济增长率提高到1.7个百分点。

这是2035年实际年总增长值（GVA）的增长率（%），人工智能可以大幅提高工业的经济产量，仅对制造业而言，人工智能在2035年就能使总增长值（GVA）增长近4万亿美元。

2015年实际总增长值（GVA）（万亿美元）

人工智能可以提高行业利润

人工智能带来的经济产出的增长对涉及多行业领域企业的盈利能力意味着什么？根据我们的研究，到2035年，人工智能会把16个行业的盈利能力平均会提高38%。

埃森哲已经确定了可以逆转行业低盈利能力循环的三个人工智能渠道，这三个渠道分别是：智能自动化、劳动力和资本扩张，以及创新扩张。

智能自动化：人工智能对比传统自动化有巨大的优势，比如，供应链管理这个时间就是金钱的行业，对于平均财富100强公司来说，一个缩短了一天的供应链，可以释放5000万美元到1亿美元的现金流，像特斯拉和强生这些依靠全球整合网络的公司，正要将其供应链管理放在Elementum（一家人工智能初创供应链管理平台）上精简其供应链，这家公司通过监控分析一次性事件，跟踪运输，记录制造业的产出，来提供实时供应链可见。

通过每天分析超过1000万次的事件以及实时价值25万亿美元的产品，Elementum可以对早期潜在的问题提出警告并提出替代解决方案，例如，2014年，中国一家系统内存卡工厂发生火灾，给当时全球供应带来了相当大的压力，压缩了大约25%。然而大部分制造商几天后才意识到这一点，但Elementum的客户在几分钟内就对这一事件有了清晰的了解，并在价格对货品短缺做出反应之前就确保了自己的内存卡供应安全。

不仅仅是生产链可以从智能自动化中受益，销售活动也需要宝贵的时间和资源去追踪潜在客户，随着人工智能的到来销售活动发生了巨大的变化，LE（LatticeEngines）公司就专注于利用人工智能使销售过程更加合理化，通过学习公司的购买模式，它可以根据热度从上到下对潜在客户进行排序，戴尔的欧洲营销部门利用Lattice的人工智能平台，将销售对象减少了50%，从而使销售效率、有效性和财政收入都翻了一番。

劳动力和资本扩张：人工智能可以通过把低附加值的任务转移给机器，提高工人的劳动生产率，让员工更专注于其负责的主要任务上，人工智能的应用正在扩展到那些知识和批判思维长期占据主导地位的领域，比如说商业研究，传统上这是一项非常消耗时间的任务，Conatix公司的半自动化商业智能系统最近提高了机器学习能力，使客户公司能够发现、协调、构建并且共享以前他们组织结构之外的非结构化数据和信息，通过与研究人员密切合作，Conatix算法可以根据人类的反馈调整其课程，从而提供高质量信息。

人工智能还可以帮助企业实现资产利用率的最大化，重工业，如能源和制造业，需要大量的前期投资，这样的投资让他们特别容易产生停工期收入损失，以风力发电机为例：意外的停机时间需要协调设备、维修人员和备件，最后就会造成财政损失。

再比如齿轮箱故障的情况，如果每次故障都能导致多达两周的停机时间，那么增加资产利用率那无疑就会缩短停机时间，减少损失，好处十分明显。人工智能初创公司NEM利用一种基于人类免疫系统的算法来提高风力发电厂的生产效率，主要是进行预测以及预防发点失败，该平台首先分析了风力涡轮机故障的情况，以了解它们的症状，然后实时监测涡轮机，看有无类似症状，并发现潜在的问题。

埃森哲研究管理董事MarkPurdy说：“人工智能作为生产的新要素，至少能够以三种重要的方式推动经济增长，首先，它可以创造新的虚拟劳动力，也就是我们所说的智能自动化。第二，人工智能可以补充并增强技能，提高现有劳动力和实物资本的利用效率。第三，与之前的其他技术一样，人工智能可以推动经济创新，人工智能会慢慢随着时间的发展成为一种推动社会大范围的结构转变的催化剂，因为使用人工智能不仅会让事情发展变得不一样，而且还会做出一些与众不同的事情。”

创新扩张：人工智能正准备通过加速开发新产品来推动创新，这种创新消除多余的成本，产生新的收入来源，从而提高公司的盈利能力，新药品的开发可以作为一个典型案例，目前，药物开发主要是用由理论假说指导的发现方法，然而只有不到10%的新药最终获得批准，BergHealth公司利用人工智能追踪癌症的过程，在癌细胞和非癌细胞的数据上都有数万亿的数据点，该公司运用这种方法已经生产了一种新的抗癌药物，目前正在进行临床试验，据估计，这种新药研发的方法将使一种药物的研发成本从26亿美元减少到13亿美元。

人工智能还可以在有设计目标和限制条件的情况下制造新产品，欧特克（Autodesk）利用其计算机辅助设计系统“梦想捕捉器”开创了这种新方法。“梦想捕捉器”利用人工智能算法从云端创造出成千上万的虚拟原型，并将它们的功能，成本，材料与特定标准进行比较，然后生产出一个符合理想的模型实体，最后雕刻材料，它会对那些恶化性能或者提高性能的材料保存记忆，使算法能够理解每一块材料对于整体的作用是多少，在医疗保健行业，“梦想捕捉器”被用来设计一种能加速康复和组织再生的面部植入物。

工业利润潜力

通过这些渠道，人工智能提供了前所未有的盈利机会，例如：在批发、零售、艺术、娱乐和医疗等劳动密集型行业中，人工智能增强了人类的劳动能力，使人们能够提高效率，将注意力集中在关键任务上，对于批发和零售行业来说，这样做可能会使利润增加近60%，从每100美元赚17美元会增加到27美元，对传统资本密集型行业而言，人工智能对盈利能力的影响同样巨大，例如，在制造业中，有缺陷的机器和空闲设备将会成为过去，因为随着时间的推移，基于人工智能的系统可以不断学习，适应并且进化，不断提高回报率，像快速原型设计或动态资源配置这样的事情可以显著缩短面市时间，降低成本。对于这个领域的最终结果会是什么？利润增长39%。

人工智能对行业利润的影响，在2035年基线和人工智能稳定状态之间的每种行业利润份额的增加

此外，制造业由于对重型机械依赖较大，首先运用了人工智能技术。

我们的研究表明，在人工智能领域，到2035年，制造业可产生3.8万亿美元的额外收入。渠道扩张预计将为这一行业带来的好处占大部分，不仅将使人类劳动生产率提高，而且还将使工厂车间的现有机器充分发挥全部潜力。

2035年制造业的估计国民生产总值（GVA）（以10亿美元为单位）

批发和零售业：在2035年，在批发和零售行业，人工智能可以产生超过2万亿美元的额外收益——与基线情况相比，这一数字增加了36%。零售商可以利用人工智能的自动化来优化库存和仓库管理，同时加强版的现实技术则可以让消费者沉浸在身临其境的购物体验中。在埃森哲研究的行业中，该行业预计可以从人工智能带来的额外创新效应中获益很多，比如说可以帮助公司发现潜在客户。

医疗保健行业：在模型中，人工智能将在2035年将医疗保健行业的增长率从2.2%提高到3.4%，这将额外增加4610亿美元的GVA。智能自动渠道占了其中的60%以上，人工智能系统可以分析大量的非结构化数据，并产生预测诊断，在它们成为严重的健康风险之前就能检测出问题。创新渠道到2035年会为行业增加超过1000亿美元的资金。有一个关于人工智能在医疗方面的巨大潜力的例子是该行业与相关领域合作，比如说制造业和设计行业，通过合作为器官移植创造了最尖端的3D打印技术。

跨行业的成功战略

无论在哪个行业，企业都有机会利用人工智能，创造出前所未有的业务扩张、制造利润和可持续发展，但是为了充分发挥人工智能的潜力，他们必须充分准备好迎接随之而来的混乱。

作为一个新的生产要素，人工智能将与传统的资本和劳动力互相作用，创造出新的挑战，领导者将需要以新的、前所未有的方式更新自己的工作方式，因为他们在公司的角色与其它角色越来越互相依赖。为了公司为人工智能的成功做好准备。

商业领袖们有机会采用以下8种策略。

1、AI策略和领导力：在太多的公司和行业中，人工智能的动力和兴趣仍然来自于公司的中下层，从接触技术的数字狂热者们中来，他们自身希望人工智能能够发展，并为此十分积极兴奋。但是，我们的分析师建议：想要从AI中获得真正的价值，需要公司顶层的认可和积极行动，至关重要的第一步是让人工智能的好处在公司的高层中切实可见。

这意味着花时间与真正的人工智能机器在一起工作，与它们互动，询问和测试它们。没有什么可以替代参观人工智能实验室或创新中心，在那里，专家可以进行探索，可以进行思想测试，也可以开发原型。在未来公司的发展中，人工智能发展的路线规划图将是必不可少的。将AI作为关键的推动者应该是公司发展业务的计划之一。

因此，来自企业的领导者和战略规划人员需要充分掌握人工智能，才能有效地改变现有的商业计划，定义关键的决策点，并引导正确的投资决策。

2、把HR改造成HAIR（AI人力资源）：由于人工智能是虚拟的劳工，它将与工作人员互动，贡献和增加价值，就像人类的同事一样。首席人力资源官的角色不仅要管理员工，还要管理人工智能员工——这就是HAIR（人工智能人力资源）。

这将引发一些问题，例如：企业如何重新构建绩效考核标准？如何优化人工智能和人类劳工之间的人力需求关系？结论是：在商业战略和创新方面，首席人力资源官将发挥更大的作用，并对人工智能技术有更大的技术理解，以及理解这些技术将如何影响未来的工作。人力资源部门功能本身也需要将人工智能技术纳入其工作的各个方面，从招聘到退休。

例如，SAP的成功因素有助于企业将人力资源管理从“孤立的自我服务转变为智能服务”。该应用程序由微软公司使用，可以同步标准程序，提供员工协作平台，从工作数据中获取可执行的见解，并预测资源决策对其他业务领域的影响。

3、与机器一起学习：要充分发挥人工智能的潜力，人类和机器智能必须紧密结合。在劳动力中，有必要开发新的技术来越过已有的技术专长，重新强调人类能力——判断能力、沟通能力、创造性思维能力——来补充机械的技术。

人工智能不仅会改变人们学习的东西，也会改变他们学习的方式，从传统上来说，职业道路遵循着从入门到经验丰富的线性过程，但是，由于人工智能会代替人类完成普通和低附加值的工作，年轻的专业人士和年长的员工之间会出现技能鸿沟，有工作经验的员工会更加得心应手，为了让企业适应不断变化的自然学习过程和员工培训流程，企业领导者可以专注于员工的需求，特别是在灵活技能的开发领域。

例如，万事达卡正在试用一种AI软件，它利用经验丰富的员工的知识，帮助他们的工作人员成为更好的卖家，结合人类和大数据的见解，软件可以将经验丰富的人的专业知识扩展到整个团队，减少对大型培训团队的需求，集中化的知识经验输入AI可以作为销售团队的每个成员的个性化顾问，以便优化他们的销售策略。

4、任命一名首席数据供应链官：人工智能的性能将直接依赖于可用数据的质量和数量。埃森哲的研究显示，大多数高管不确定自己从数据分析项目中获得的商业成果，这可能意味着企业数据仍未得到充分利用，尽管许多大公司已经将首席数据官（CDO）添加到高管层（Gartner估计，到2019年，90%的大型企业将拥有一个CDO），但这些高管的一个关键关注点是数据安全、监管和治理，而不是管理数据，让数据形成AI的进化供应链。

首席数据供应链官将需要构建一个完整的、端到端的数据供应链，考虑：内部和外部数据源之间的平衡是什么？公司每天的数据是多少？数据存储在哪里？我们的公司如何简化数据访问？诸如此类的问题。

5、创造一个开放的人工智能文化：企业文化必须适应其新的人工智能员工的形象，人类和机器将相互协作、相互教授，互相学习。这需要信任、开放和透明，就像任何合作关系一样。例如，人们一开始可能会指责机器的性能不太好或者错误的输出结果，而不是定义缺陷在哪里——无论人或机器——并改进它们。就像不和谐的人际关系、敌对的交易互动，这将成为共同克服困难、最大化共享价值的障碍，而不是通过帮助计算机，最终达到帮助自己的目的。

人工智能对工作安全、工资和隐私的影响，也会影响员工的态度，以及他们在工作中如何接纳AI的行为。领导者有责任解释混合劳动力带来的风险和机会。但它们也可以塑造文化和指导方针，使风险最小化，并使机会最大化。通过主动使用人工智能本身来改善职场文化，公司可以更进一步，人工智能解决方案已经存在，例如，它可以通过自然语言的处理来检测情绪压力和员工倦怠，帮助管理者塑造和改善工作场所的文化氛围和满意度。

6、超越自动化：在过去，自动化一直是商业战略的关键，然而，随着人工智能技术的进步，企业需要超越自身的能力，来驾驭智能动力、自学和自我管理的机器。

埃森哲的研究显示，人工智能的潜在好处远比过去的自动化带来的影响大得多，举例来说，在1993年至2007年之间，传统的自动化系统据估计已经产生了0.9%的额外年增长率，而在发达经济体中则增长了0.9%。然而，在芬兰，人工智能的未来影响可能会比传统自动化高出70%，而美国这一比例为50%。因此，接纳人工智能可以确立公司的强大竞争优势。例如，Bosch正在把人工智能放在他们的业务的前沿。该公司的“思维工厂”目前在Bosch在德国汽车工厂中推出，目的是让人工智能机器能够自我诊断技术故障，自动订购替换部件，并预测维修需求。

总体而言，博施预测，到2020年，智能系统和机器的广泛使用将带来超过20亿美元的额外收入和储蓄。

7、把大众带进云技术中：在过去的十年里，企业已经利用了大众的力量去开拓创新模式。与此同时，云技术提供了一个机会，可以快速降低计算成本，并且不受内部IT结构的限制，创新的下一步将是把云端的众包数据与AI的能力结合，创造新的、具有颠覆性的商业机会，为此，谷歌云平台和亚马逊网络服务等云平台已经开始使用。

8、用算法来衡量你的回报：衡量生产要素的传统因素包括资本回报率（ROC），以及员工的业绩指标，作为一个新的生产要素，人工智能将会采取新的或适应性的措施，与传统资产的贬值不同，人工智能资产因为它们的自我学习技术，随着时间的推移而可以不断获得价值，这种复合资产增值效应为早期人工智能投资的公司创造了更高的回报。

此外，尽管它的一些应用程序有明确的结果，但人工智能的学习本质意味着，许多收益还尚未终止确定，因此，在人工智能时代，追踪资本投资的传统措施将会过时，首席财务官们将需要一个新的工具箱来衡量“人工智能的回报”。也许它将与每一种算法产生的价值有关，或者是对初始支出和持续的成本进行计算，其中大部分的收益和成本都将在未来的时期出现，投资者将在对它有信心的基础上，对未来的价值进行评估，这种复杂性可能会吓退人力的投资者，强调了对资本支出和估值模型的新思路和新术语的迫切需求，或许，人工智能本身就会被用来计算更准确的，关于人工智能的预测。

“为了抓住人工智能的发展机遇，企业现在就开始采取行动，制定围绕人工智能的战略，将人们置于中心，并承诺开发负责任的人工智能系统，这些系统与道德和伦理价值观相一致，从而推动积极的结果，并解放人类，去做他们最能做的事情——想象、创造和创新。”PaulDaugherty，埃森哲的首席技术和创新官如是说。

建立人工智能GVA影响水平模型

这份报告调查了人工智能对16个行业的影响，在出版的“为什么人工智能是增长的未来”的出版物中，埃森哲分析了人工智能对12个发达经济体的经济影响。

这些出版物的结果是建立我们搭建的在与前沿经济联系的同一经济模型基础上的，我们将人工智能作为一种新的生产要素，它将改变国家和行业层面的增长方式，为了度量这一增长，我们的模型按照图示的三个步骤进行。

1、我们从一项研究中得出的结果，该研究调查了在整个劳动力市场中，受人工智能影响的任务的比例，我们估计在未来，个体职业变为自动化的可能性将会有多大，然后，我们再通过来自目标分析国家的劳工统计数据来看这些职业在行业和国家层面的分布，这种将受人工智能影响程度与每个国家和行业的职业分布相匹配的做法，使我们能够确定每个国家和行业的人工智能吸收率。

2、我们将随时间演变的人工智能的质量改进包括在内，我们通过参考1990年至今天的软件、硬件、机器人和云计算价格的数据来衡量这一变化。

3、我们决定了在全要素生产率(TFP)的度量中对人工智能扩散所期望的额外的创新效果。我们参考了关于信息和通信技术(ICT)对TFP增长的影响的历史数据，并通过对各个行业的人工智能的投资数据以及国民经济吸收新技术的能力来提高这一数字。

在采取这些措施后，我们可以看到每个国家和行业的人工智能的经济潜力，对于国家的结果，我们汇总了每个国家16个行业中每一个行业的结果，对于行业的结果，我们汇总了每个行业12个国家的数据。我们的盈利预测是基于GVA的结果。为了获得利润的代理，我们从GVA减去劳动报酬。这就给了我们每个行业的总营业盈余(GOS)，这是利润的近似值，它描述了在劳动力因素输入被减去之后经营活动所产生的剩余盈余，为了更准确地衡量盈利能力，我们将一个平减指数包含在资本折旧的数据中。

行业层面在GVA上模拟人工智能收益的因子

英文作者：

马克·波蒂（MARK PURDY），埃森哲董事总经理

保罗·多尔蒂（PAUL DAUGHERTY），埃森哲首席技术与创新办公室主任

英文辅助编写：

拉达·达瓦扎尼（LADAN DAVARZANI），埃森哲研究公司领导研究员；

致谢：

马克·森斯伯尼尔（MAXENCE BERNIER）

大卫·库达贝克（DAVID CUDABACK）

大卫·赖特（DAVID LIGHT）

保罗·纽因斯（PAUL NUNES）

米里亚姆·赛义德（MIRIAM SEYED）

英文地址：

https://www.accenture.com/t20170620T055506__w__/us-en/_acnmedia/Accenture/next-gen-5/insight-ai-industry-growth/pdf/Accenture-AI-Industry-Growth-Full-Report.pdf?la=en